专利名称：基于经验模态分解的近红外脑功能检测的扰动消除方法
技术领域：
本发明涉及基于经验模态分解的近红外脑功能检测的扰动消除方法，属于光学领 域。
背景技术：
近红外光谱技术(NIRS)能提供脑功能活动过程中的大脑皮层血氧代谢信息—— 氧合血红蛋白浓度变化(△ [Hb02])和还原血红蛋白浓度变化(△ [HHb])，可用于脑功能活 动的检测。与其它的脑功能检测方法如功能性核磁共振、脑磁描记法、正电子放射层扫描 术、以及脑电描记法相比，近红外光谱技术具有使用方便、易实施、时间分辨率高、安全、便 宜等优点。然而，利用近红外光谱技术进行诱发激励时脑功能活动的检测，会受到人体的生 理活动如心脏跳动、呼吸的影响，称之为生理扰动。这种生理扰动不但出现在头皮、颅骨和 脑脊液等外层脑组织中，也出现在脑灰质和脑白质等深层脑组织中，严重影响了脑功能活 动的准确测量。针对生理扰动对近红外脑功能检测的影响，最直接的处理方法是利用低通滤波技 术。低通滤波技术可以有效地过滤心脏跳动引起的扰动，因为心脏跳动引起的扰动频率明 显高于脑功能活动信号。但低通滤波技术对呼吸引起的扰动无法有效过滤，这是由于呼吸 引起的扰动频率很低，过低的截止频率在消除此类扰动的同时也造成了脑功能活动信号的 失真。自适应滤波技术作为生理扰动的消除方法之一，表现了较好的消噪特性，能够降低生 理扰动对近红外光谱技术在脑功能检测的影响，但自适应技术需要借助于脉搏血氧仪或额 外的光路通道，结构复杂。
发明内容
本发明目的是为了解决采用低通滤波无法全面有效的去除脑功能检测时的多种 生理扰动；采用自适应滤波技术消除脑功能检测时的生理扰动的方法存在需要借助额外的 设备、结构复杂的问题，提供了一种基于经验模态分解的近红外脑功能检测的扰动消除方法。本发明方法包括以下步骤步骤一、在待测脑组织的头皮表面放置由双波长光源和检测器构成的近红外探 头，检测器记录大脑安静状态下的漫反射光强和大脑处于诱发激励时的漫反射光强，以获 得两个不同波长时的光密度变化量的时间序列和AGZ^⑴，t为时间，t = 1， 2，…，N ；步骤二、根据步骤一获得的光密度变化量的时间序列、并采用修正朗伯比尔定律 获取氧合血红蛋白浓度变化量的时间序列△ [Hb02] (t)和还原血红蛋白浓度变化量的时间 序列 A [HHb] (t)；
权利要求
基于经验模态分解的近红外脑功能检测的扰动消除方法，其特征在于，它包括以下步骤步骤一、在待测脑组织的头皮表面放置由双波长光源和检测器构成的近红外探头，检测器记录大脑安静状态下的漫反射光强和大脑处于诱发激励时的漫反射光强，以获得两个不同波长时的光密度变化量的时间序列和t为时间，t＝1，2，...，N；步骤二、根据步骤一获得的光密度变化量的时间序列、并采用修正朗伯比尔定律获取氧合血红蛋白浓度变化量的时间序列Δ[HbO2](t)和还原血红蛋白浓度变化量的时间序列Δ[HHb](t)； <mrow><mi>Δ</mi><mo>[</mo><msub> <mi>HbO</mi> <mn>2</mn></msub><mo>]</mo><mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><mrow> <mo>(</mo> <msub><mi>ϵ</mi><mi>HHb</mi> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>1</mn></msub><mo>)</mo> </mrow> <mi>Δ</mi> <msub><mi>OD</mi><msub> <mi>λ</mi> <mn>2</mn></msub> </msub> <mrow><mo>(</mo><mi>t</mi><mo>)</mo> </mrow> <mo>/</mo> <mi>DPF</mi> <mo>)</mo></mrow><mo>-</mo><mrow> <mo>(</mo> <msub><mi>ϵ</mi><mi>HHb</mi> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>2</mn></msub><mo>)</mo> </mrow> <mi>Δ</mi> <msub><mi>OD</mi><msub> <mi>λ</mi> <mn>1</mn></msub> </msub> <mrow><mo>(</mo><mi>t</mi><mo>)</mo> </mrow> <mo>/</mo> <mi>DPF</mi> <mo>)</mo></mrow> </mrow> <mrow><mi>r</mi><mrow> <mo>(</mo> <msub><mi>ϵ</mi><msub> <mi>HbO</mi> <mn>2</mn></msub> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>2</mn></msub><mo>)</mo> </mrow> <msub><mi>ϵ</mi><mi>HHb</mi> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>1</mn></msub><mo>)</mo> </mrow> <mo>-</mo> <msub><mi>ϵ</mi><msub> <mi>HbO</mi> <mn>2</mn></msub> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>1</mn></msub><mo>)</mo> </mrow> <msub><mi>ϵ</mi><mi>HHb</mi> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>2</mn></msub><mo>)</mo> </mrow> <mo>)</mo></mrow> </mrow></mfrac><mo>,</mo> </mrow> <mrow><mi>Δ</mi><mo>[</mo><mi>HHb</mi><mo>]</mo><mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><mrow> <mo>(</mo> <msub><mi>ϵ</mi><msub> <mi>HbO</mi> <mn>2</mn></msub> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>2</mn></msub><mo>)</mo> </mrow> <mi>Δ</mi> <msub><mi>OD</mi><msub> <mi>λ</mi> <mn>1</mn></msub> </msub> <mrow><mo>(</mo><mi>t</mi><mo>)</mo> </mrow> <mo>/</mo> <mi>DPF</mi> <mo>)</mo></mrow><mo>-</mo><mrow> <mo>(</mo> <msub><mi>ϵ</mi><msub> <mi>HbO</mi> <mn>2</mn></msub> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>1</mn></msub><mo>)</mo> </mrow> <mi>Δ</mi> <msub><mi>OD</mi><msub> <mi>λ</mi> <mn>2</mn></msub> </msub> <mrow><mo>(</mo><mi>t</mi><mo>)</mo> </mrow> <mo>/</mo> <mi>DPF</mi> <mo>)</mo></mrow> </mrow> <mrow><mi>r</mi><mrow> <mo>(</mo> <msub><mi>ϵ</mi><msub> <mi>HbO</mi> <mn>2</mn></msub> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>2</mn></msub><mo>)</mo> </mrow> <msub><mi>ϵ</mi><mi>HHb</mi> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>1</mn></msub><mo>)</mo> </mrow> <mo>-</mo> <msub><mi>ϵ</mi><msub> <mi>HbO</mi> <mn>2</mn></msub> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>1</mn></msub><mo>)</mo> </mrow> <msub><mi>ϵ</mi><mi>HHb</mi> </msub> <mrow><mo>(</mo><msub> <mi>λ</mi> <mn>2</mn></msub><mo>)</mo> </mrow> <mo>)</mo></mrow> </mrow></mfrac><mo>,</mo> </mrow>其中，εHHb(λ1)为探头光源的波长为λ1时的消光系数，为探头光源的波长为λ2时的消光系数，r为光源到检测器的直线距离，DPF为差分路径因子，步骤三、对步骤二获得的氧合血红蛋白浓度变化量的时间序列Δ[HbO2](t)和还原血红蛋白浓度变化量的时间序列Δ[HHb](t)分别进行经验模态分解，获得所有的IMF分量；步骤四、对步骤三获得的所有IMF分量进行希尔伯特变换，求取各个IMF分量的瞬时频率，将瞬时频率处于正常人呼吸频率和心脏跳动频率范围内的IMF分量剔除，以消除近红外脑功能检测时的生理扰动。FDA0000033241900000011.tif,FDA0000033241900000012.tif,FDA0000033241900000015.tif
2.根据权利要求1所述的基于经验模态分解的近红外脑功能检测的扰动消除方法，其 特征在于，步骤一所述的双波长光源发出的两种波长分别为入！ = 750nm, A 2 = 830nm。
3.根据权利要求1所述的基于经验模态分解的近红外脑功能检测的扰动消除方法，其 特征在于，步骤一中光密度变化量的时间序列按如下公式获取AODAi(t) = logIbaseW/^timW'其中d-JXi)为探头光源的波长为、时，大脑处于安静状态下时的出射光强， 、-(入》为探头光源的波长为、时，大脑处于诱发激励时的出射光强，光密度变化量的时 间序列⑴按如下公式获取AODA2(t) = logIbase(^2)/^im(^)'其中为探头光源的波长为、时，大脑处于安静状态下时的出射光强， Istiffl(A2)为探头光源的波长为入2时，大脑处于诱发激励时的出射光强。
4.根据权利要求1所述的基于经验模态分解的近红外脑功能检测的扰动消除方法，其 特征在于，步骤三中对氧合血红蛋白浓度变化量的时间序列A [Hb02] (t)和还原血红蛋白 浓度变化量的时间序列△ [HHb] (t)进行经验模态分解的过程相同，以下将△ [Hb02] (t)和 A [HHb] (t)统称为(^(t)，i为第几个IMF分量，i = 1,2,…，n, j为估计次数，初始化i =1，j = 1，对时间序列Cu(t)进行经验模态分解获取所有的MF分量的获取过程步骤1、采用区域极值法确定寻找时间序列Cu(t)的所有极大值和极小值，对获得的所有极大值、极小值分别用三次样条插值构建时间序列(；“0的上包络线emax(t)和下包络线emin(t)；步骤2、获取上、下包络线的均值;^
5.根据权利要求1所述的基于经验模态分解的近红外脑功能检测的扰动消除方法，其 特征在于，步骤四中IMF分量的瞬时频率的获取方法为步骤41、获得IMF分量(；⑴的希尔伯特变换y(t)
6.根据权利要求1所述的基于经验模态分解的近红外脑功能检测的扰动消除方法，其 特征在于，正常人呼吸频率范围为0. 15Hz 0. 4Hz，心脏跳动频率范围为1. 0Hz 1. 7Hz。
全文摘要
基于经验模态分解的近红外脑功能检测的扰动消除方法，属于光学领域，本发明为解决采用低通滤波无法全面有效去除脑功能检测时生理扰动；采用自适应滤波技术存在需要借助额外的设备、结构复杂的问题。本发明方法包括以下步骤一、在待测脑组织的头皮表面放置由双波长光源和检测器构成的近红外探头，获得光密度变化量时间序列和二、采用修正朗伯比尔定律获取氧合血红蛋白浓度变化量时间序列Δ[HbO2](t)和还原血红蛋白浓度变化量时间序列Δ[HHb](t)；三、对Δ[HbO2](t)和Δ[HHb](t)分别进行经验模态分解，获得所有的IMF分量；四、对所有IMF分量进行希尔伯特变换，将瞬时频率处于正常人呼吸频率和心脏跳动频率范围内的IMF分量剔除，以消除近红外脑功能检测时的生理扰动。
文档编号A61B5/1455GK101972148SQ201010551128
公开日2011年2月16日 申请日期2010年11月19日 优先权日2010年11月19日
发明者刘丹, 孙金玮, 张岩, 彼得·罗弗, 李清连 申请人:哈尔滨工业大学